PERAMALAN PRODUKSI CABAI MERAH KERITING MENGGUNAKAN METODE CAUSAL FORECASTING
(Studi Kasus pada Pasar Lelang Cabai Sleman)
TUGAS AKHIR
Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Strata-1 Pada Jurusan Teknik Industri Fakultas Teknologi Industri
Nama : Ainayyah Fatihah No. Mahasiswa : 16 522 131
PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS ISLAM INDONESIA YOGYAKARTA
2020
PERNYATAAN KEASLIAN
SURAT SELESAI PENELITIAN TUGAS AKHIR
LEMBAR PENGESAHAN PEMBIMBING
PERAMALAN PRODUKSI CABAI MERAH KERITING MENGGUNAKAN METODE CAUSAL FORECASTING
(Studi Kasus pada Pasar Lelang Cabai Sleman)
Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Strata-1 Pada Jurusan Teknik Industri Fakultas Teknologi Industri
Universitas Islam Indonesia
Disusun Oleh:
Ainayyah Fatihah NIM. 16522131
Yogyakarta, 10 Oktober 2020 Menyetujui,
Dosen Pembimbing Tugas Akhir
Suci Miranda, S.T., M.Sc.
LEMBAR PENGESAHAN PENGUJI
HALAMAN PERSEMBAHAN
Dengan mengucapkan syukur kepada ALLAH SWT yang telah memberikan rahmat-Nya, dengan ini saya persembahkan hasil karya tulis saya ini kepada kedua orang tua saya yang senantiasa mendoakan dan memberi dukungan serta kasih sayang. Kepada kakak-kakak saya, serta sahabat-sahabat yang selalu membantu, memberi motivasi dan semangat.
Semoga karya tulis yang saya buat ini dapat membanggakan mereka semua.
MOTTO
“Tidak ada kesuksesan melainkan dengan pertolongan Allah SWT.”
(Q.S. Huud: 88)
“Semuanya akan segera berlalu. Semuanya akan baik-baik saja”
(Sony Adams)
KATA PENGANTAR
Assalamu’alaikum Warahmatullahi Wabarakatuh
Alhamdullillahirabbil’alamiin, puji syukur kehadirat Allah SWT yang telah melimpahkan segala rahmat dan karunia-Nya, tidak lupa juga shalawat serta salam kepada junjungan kita Nabi Muhammad SAW. Sehingga penulis dapat menyelesaikan laporan Tugas Akhir ini yang berjudul “Peramalan Produksi Cabai Merah Keriting Menggunakan Metode Causal Forecasting (Studi Kasus pada Pasar Lelang Cabai Sleman).
Laporan Tugas Akhir ini dibuat dalam rangka memenuhi salah satu prasyarat untuk memperoleh gelar sarjana Strata Satu pada jurusan Teknik Industri, Fakultas Teknologi Industri, Universitas Islam Indonesia. Dengan pelaksaaan Tugas Akhir ini diharapkan mahasiswa dapat mengetahui sejauh mana penerapan teori yang telah didapatkan dibangku kuliah dan pengetahuan lapangan dalam suatu industri.
Dalam pelaksanaan Tugas Akhir ini, penulis banyak mendapatkan pengetahuan, bimbingan, koreksi, arahan, dan saran dari berbagai pihak. Untuk itu penulis ingin mengucapkan terima kasih kepada :
1. Bapak Prof. Dr. Ir. Hari Purnomo, M.T. selaku Dekan Fakultas Teknologi Industri Universitas Islam Indonesia.
2. Bapak Ridwan Andi Purnomo, S.T., M.Sc., Ph.D. selaku Kepala Jurusan Teknik Industri Fakultas Teknologi Universitas Islam Indonesia.
3. Bapak Dr. Taufiq Immawan, S.T., M.M. selaku Kepala Progam Studi Strata Satu Teknik Industri Fakultas Teknologi Universitas Islam Indonesia.
4. Ibu Suci Miranda, S.T., M.Sc. selaku Dosen Pembimbing Tugas Akhir yang telah meluangkan waktunya untuk membimbing Tugas Akhir ini sehingga dapat terselasaikan dengan baik.
5. Bapak Turasman selaku pengelola Asosiasi Petani Hortikultura “Puncak Merapi” serta Pasar Lelalng Cabai Sleman.
6. Kedua orang tua saya, Bapak Paryono dan Ibu Sutini atas kasih sayang, dukungan yang diberikan serta doa yang selalu dipanjatkan untuk penulis sehingga penulis dapat menyelesaikan karya tulis ini. Semoga beliau selalu diberikan kesehatan dan umur yang panjang oleh Allah SWT.
7. Kepada sahabat-sahabat saya yang telah menemai dan selalu memberi semangat dari awal semester hingga akhir yaitu Devy Nur Adiana, Anindya Agripina, Deanita Sabrina, Miranda Khanza, Pipit Gupitan , Waode Jihan, dan Elisa Arinta. Semoga kebaikan kalian selalu bermanfaat bagi sekitar kalian.
8. Teman-teman Jurusan Teknik Industri UII, khususnya angkatan 2016, yang menjadi teman seperjuangan dalam menuntut ilmu di kampus selama 4 tahun.
Penulis menyadari bahwa dalam serangkaian penulisan laporan ini masih terdapat banyak kekurangan dan kelemahan. Oleh karena itu, segala macam kritik dan saran yang bersifat membangun penulis harapkan demi perbaikan laporan ini. Akhir kata semoga laporan Tugas Akhir ini dapat digunakan sebagai mana mestinya serta berguna bagi penulis khususnya dan bagi para pembaca yang berminat pada umumnya. Amiin Yaa Robbal
‘Aalamin.
Wassalamu’alaikum Warahmatullahi Wabarakatuh
Yogyakarta, 10 Oktober 2020
Ainayyah Fatihah 16522131
ABSTRAK
Cabai merah keriting merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomis yang tinggi serta prospek pasar yang menarik bagi petani. Cabai merah keriting yang termasuk sayuran tidak berdaun merupakan salah satu jenis produk perishable, dimana merupakan bahan pangan dengan umur simpan pendek dan mudah rusak.
Kawasan Lereng Merapi merupakan salah satu daerah produksi cabai merah keriting di Kabupaten Sleman. Pasar lelang cabai merupakan titik kumpul para petani untuk menyetorkan serta menjual hasil cabai merah keriting kepada para supplier dan pedagang pasar. Namun, permintaan cabai merah keriting yang tinggi terkadang belum dapat dipenuhi oleh pasar lelang, karena jumlah pasokan cabai merah keriting yang berbeda tersedia setiap harinya. Hal tersebut dikarenakan permintaan yang ada selama ini bergantung pada jumlah produksi cabai merah keriting yang tersedia. Sehingga, pengelola pasar lelang perlu melakukan peramalan produksi cabai merah keriting yang nantinya dapat digunakan sebagai informasi kepada supplier dan pedagang pasar agar dapat mengestimasi permintaannya. Tujuan dari penelitian ini yaitu untuk mengetahui faktor- faktor yang mempengaruhi produksi cabai merah keriting serta menghitung peramalan peroduksi guna menentukan perencanaan produksi cabai merah keriting dengan menggunakan metode Causal Forecasting. Hasil menunjukkan faktor-faktor yang mempengaruhi produksi cabai merah keriting yaitu Musim dan Luas Panen. Berdasarkan model persamaan peramalan diketahui bahwa musim berpengaruh negatif terhadap produksi cabai merah keriting sebesar -39.541, dan luas panen berpengaruh positif sebesar 0.760 terhadap produksi cabai merah keriting.
Kata Kunci : Cabai Merah, Causal Forecasting, Perishable Product, Regresi Linear
DAFTAR ISI
PERNYATAAN KEASLIAN ... ii
SURAT SELESAI PENELITIAN TUGAS AKHIR ... iii
LEMBAR PENGESAHAN PEMBIMBING ... iv
LEMBAR PENGESAHAN PENGUJI ... v
HALAMAN PERSEMBAHAN ... vi
MOTTO ... vii
KATA PENGANTAR ... viii
ABSTRAK ... x
DAFTAR ISI ... xi
DAFTAR TABEL ... xiii
DAFTAR GAMBAR ... xiv
BAB 1 ... 1
PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 5
1.3 Tujuan Penelitian ... 6
1.4 Manfaat Penelitian ... 6
1.5 Batasan Penelitian ... 7
1.6 Sistematika Penulisan... 7
BAB II ... 9
KAJIAN LITERATUR ... 9
2.1 Kajian Deduktif ... 9
2.1.1 Produk Mudah Rusak (Perishable Product) ... 9
2.1.2 Cabai Merah ... 10
2.1.3 Peramalan (Forecasting) ... 11
2.1.4 Langkah-Langkah Peramalan ... 12
2.1.5 Metode-Metode Peramalan ... 13
2.2 Kajian Induktif ... 18
BAB III ... 39
METODE PENELITIAN ... 39
3.1 Objek Penelitian ... 39
3.2 Pengumpulan Data ... 39
3.3 Jenis Data ... 40
3.4 Alur Penelitian ... 40
BAB IV ... 45
PENGUMPULAN DAN PENGOLAHAN DATA ... 45
4.1 Profil Perusahaan ... 45
4.2 Pengolahan Data ... 46
4.2.1 Aliran Rantai Pasok Cabai Merah Sleman ... 46
4.2.2 Pola Data Historis ... 48
4.3 Causal Forecasting ... 50
4.3.1 Identifikasi Data Outlier ... 51
4.3.2 Analisis Regresi Linear Berganda ... 53
4.4 Model Persamaan Peramalan Produksi Cabai Merah ... 58
4.5 Perbandingan Data Aktual dan Peramalan ... 60
BAB V ... 62
PEMBAHASAN ... 62
5.1 Analisis Faktor-Faktor yang Mempengaruhi Produksi Cabai Merah Keriting 62 5.2 Analisis Model Matematis Peramalan Produksi Cabai Merah ... 64
5.3 Analisis Pengolahan Data Menggunakan Analisis Regresi Linear Berganda . 65 5.4 Kekurangan Pada Penelitian ... 66
BAB IV ... 68
KESIMPULAN DAN SARAN ... 68
6.1 Kesimpulan ... 68
6.2 Saran ... 68
DAFTAR PUSTAKA ... 70
LAMPIRAN ... 74
DAFTAR TABEL
Tabel 1.1 Tingkat Konsumsi Rumah Tangga Cabai Merah di Indonesia 2014-2018 ... 2
Tabel 2. 1 Penelitian Terdahulu ... 19
Tabel 4. 1 Data Produksi Cabai Merah Periode Januari 2018-November 2019 ... 48
Tabel 4. 2 Produksi Cabai, Musim, dan Luas Panen ... 54
Tabel 4. 3 Uji Multikolinieritas ... 55
Tabel 4. 4 Nilai Durbin Watson ... 57
Tabel 4. 5 Koefisien Determinansi ... 57
Tabel 4. 6 Uji F Simultan ... 58
Tabel 4. 7 Koefisien Regresi ... 59
Tabel 4. 8 Perbandingan Data Aktual dan Peramalan ... 60
DAFTAR GAMBAR
Gambar 1.1 Grafik Produktivitas Cabai Merah Kabupaten Sleman Tahun 2014-2018 ... 3
Gambar 2. 1 Resiko Pengelolaan Persediaan Produk Perishable ... 9
Gambar 2. 2 Metode-Metode Peramalan ... 14
Gambar 3. 1 Alur Penelitian ... 44
Gambar 4. 1 Pasar Lelang Cabai Sleman ... 46
Gambar 4. 2 Aliran Rantai Pasok Cabai ... 46
Gambar 4. 3 Pemetaan Data Historis Produksi Cabai Merah ... 49
Gambar 4. 4 Data Outlier Januari - Desember 2018 ... 52
Gambar 4. 5 Plot Data Outlier Januari - November 2019 ... 53
Gambar 4. 6 Hasil Pengujian Heteroskedastisitas ... 55
Gambar 4. 7 Probability Plot ... 56
Gambar 4. 8 Grafik Perbandingan Pola Data Aktual dan Peramalan ... 61
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Komoditas hortikultura merupakan salah satu komoditas tanaman pangan yang memiliki peluang pasar serta produksi yang cukup besar. Komoditas hortikultura seperti sayur- sayuran, baik sayuran berdaun maupun sayuran tidak berdaun memiliki perkembangan yang cukup potensial dengan didukung oleh potensi sumber daya alam, sumber daya manusia, ketersediaan teknologi, dan potensi serapan pasar di dalam negeri dan pasar internasional yang terus meningkat (Prayitno, 2012).
Berbagai komoditas hortikultura telah banyak dikembangkan di Indonesia, salah satu komoditas yang banyak dibudidayakan yaitu tanaman Cabai Merah yang memiliki nama ilmiah Capsiucum Annuum dan termasuk ke dalam famili terong-terongan (Solanaceae). Tanaman cabai merupakan komoditas yang memiliki nilai ekonomis yang tinggi serta prospek pasar yang menarik bagi petani yang membudidayakannya (hortikultura.litbang.pertanian.go.id). Kandungan gizi dan vitamin yang terdapat pada cabai yaitu Kalori, Karbohidrat, Protein, Lemak, Kalsium, Vitamin A, B1, dan Vitamin C. Secara umum cabai biasa digunakan untuk keperluan rumah tanggan yaitu sebagai bumbu masakan, selain itu cabai juga digunakan untuk bahan baku industri masakan atau makanan, obat-obatan dan juga sebagai zat pewarna (Nurfalach, 2010). Semakin beragamnya penggunaan tanaman cabai ini, selaras dengan permintaan yang semakin meningkat dari waktu ke waktu. Tingkat konsumsi rumah tangga cabai merah di Indonesia ditujukkan pada Tabel 1.1
Tabel 1.1 Tingkat Konsumsi Rumah Tangga Cabai Merah di Indonesia 2014-2018
Tahun Konsumsi
(Kg/Kapita)
Pertumbuhan (%)
2014 1.460
2015 2.958 102.68
2016 2.294 -22.45
2017 1.773 -22.72
2018 1.781 0.43
Sumber: Buletin Konsumsi Pangan Kementerian Pertanian Indonesia, (2019)
Tabel 1.1 menunjukkan data konsumsi rumah tangga cabai merah di Indonesia, perkembangan konsumsi rumah tangga cabai merah di Indonesia selama lima tahun terakhir mengalami fluktuasi namun cenderung mengalami peningkatan. Selama periode tahun 2014 – 2018, konsumsi cabai merah terbesar terjadi pada tahun 2015 yang mencapai 2,958 kg/kapita. (Kementerian Pertanian, 2019). Diperkirakan laju permintaan komoditas cabai merah akan terus mengalangi fluktuasi, sejalan dengan peningkatan jumlah penduduk dan perkembangan industri pengolahan yang berbahan baku cabai (Dewi, 2009).
Cabai merah yang termasuk ke dalam sayuran tidak berdaun merupakan salah satu jenis dari perishable product. Menurut Deng et al., (2019), Perishable product dapat didefinisikan sebagai produk atau bahan pangan yang memiliki umur simpan yang pendek dan nilainya akan menurun secara bertahap dari waktu ke waktu karena mengalami kerusakan, kegagalan, dan penguapan. Selain itu, perishable product juga rentan terhadap pembusukan dan kerusakan selama pengangkutan dan penyimpanan.
Mengelola produk yang mudah rusak (perishable) merupakan hal yang sulit. Jika tidak dikelola dengan baik, stock yang berlebih dapat mengakibatkan hilangnya persediaan karena terjadi kerusakan pada produk, tetapi pada saat kekurangan persediaan dapat mengakibatkan kurangnnya penjualan (Garg et al., 2012). Pengepul, terutama yang menawarkan produk mudah rusak (perishable), dihadapkan pada tantangan bagaimana memperkirakan permintaan produk secara akurat untuk mengelola operasi harian mereka.
Permintaan produk sangat bergantung pada kebiasaan pembelian konsumen. (Chen et al., 2019). Selain faktor penentu permintaan, dalam merancang peramalan yang akurat perlu memperhatikan faktor-faktor yang mempengaruhi produksi.
Daerah Istimewa Yogyakarta merupakan salah satu daerah yang memiliki peranan penting terhadap sektor pertanian. Berdasarkan data BPS Yogyakarta, sektor pertanian khususnya produksi tanaman pangan dan hortikultura menyumbang 6.16 persen untuk produk domestik regional bruto atas dasar harga berlaku tahun 2018 (BPS D.I Yogyakarta, 2019). Salah satu daerah yang menjadi pemasok cabai merah berada di Kabupaten Sleman. Berdasarkan data Kementerian Pertanian Indonesia, produktivitas cabai merah di Kabuaten Sleman ditunjukkan pada Gambar 1.1.
Gambar 1.1 Grafik Produktivitas Cabai Merah Kabupaten Sleman Tahun 2014-2018 Gambar 1.1 menunjukkan bahwa produktivitas cabai merah di Kabuaten Sleman dari tahun 2014 hingga 2018 mengalami peningkatan. Hal tersebut dikarenakan Kabuaten Sleman memiliki daerah yang potensial sebagai lahan pertanian cabai merah. Salah satu daerah produksi cabai di Sleman berada di kawasan Lereng Merapi di antaranya berada di Kecamatan Pakem, Turi, Ngaglik, Cangkringan, Kalasan, Seyegan, Sleman, Mlati dan Ngemplak (mediacenter.slemankab.go.id)
Para petani cabai yang berada di Kawasan Lereng Merapi tersebut terkumpul dalam Asosiasi Petani Hortikultura “Puncak Merapi”. Dari Asosiasi tersebut dibentuk Pasar Lelang Cabai Sleman yang memiliki tujuan untuk menghindari permainan dari para tengkulak. Pasar Lelang Cabai tersebut menjadi titik kumpul petani mengumpulkan hasil panen cabai merah dan selanjutnya oleh pengelola menjualnya ke pelanggan. Pelanggan dari Pasar Lelang Cabai Sleman sendiri merupakan para supplier dan juga pedagang pasar. Para supplier tersebut merupakan supplier yang mendistribusikan produk cabai ke luar Yogyakarta yaitu Sumatera serta Jakarta, sedangkan pedagang pasar yang membeli produk cabai dari Pasar Lelang Cabai Sleman merupakan pedagang pasar yang berasal
dari dalam daerah Yogyakarta dan juga daerah luar Yogyakarta seperti Klaten dan Magelang.
Di Pasar Lelang Cabai Sleman jenis cabai yang disalurkan oleh petani yaitu cabai rawit serta cabai merah keriting. Pasokan cabai merah keriting setiap harinya lebih mendominasi dibandingkan cabai rawit. Dalam sehari rata-rata pasokan cabai merah keriting sebanyak 1 ton yang dapat disalurkan kepada para supplier dan pedagang pasar, dan dapat mencapai lebih dari 3 ton pasokan cabai merah keriting. Menurut pengelola Pasar Lelang Cabai sendiri, permintaan dari para supplier serta pedagang pasar cenderung stabil. Namun, karena pasokan cabai yang ada di Pasar Lelang Cabai berbeda setiap hari, maka permintaan dari para supplier serta pedagang pasar terkadang belum dapat terpenuhi secara keseluruhan. Terlebih pada titik kumpul menggunakan sistem lelang, dimana pemenang dari lelang dapat mengambil minimal 60% dari jumlah pasokan.
Sehingga jika pasokan sedikit, memungkinkan supplier lain tidak mendapat pasokan cabai merah sesuai dengan kebutuhan. Karena belum adanya informasi jumlah permintaan cabai merah keriting, maka pasokan yang ada setiap hari hanya berdasarkan hasil produksi cabai merah keriting dari para petani. Sehingga jumlah produksi cabai merah keriting akan mempengaruhi jumlah permintaan dari supplier dan pedagang pasar.
Karena belum ditentukannya jumlah produksi cabai merah keriting, produksi cabai merah keriting oleh petani selama ini didasarkan pada cuaca. Cuaca dianggap menjadi pengaruh banyaknya hasil produksi cabai merah keriting oleh petani. Dimana penanaman cabai merah keriting oleh petani banyak dilakukan pada musim kemarau, dikarenakan cuaca yang mendukung serta dengan memberikan pengairan yang cukup. Pada musim kemarau sendiri petani akan menggunakan seluruh luas lahan yang dimiliki untuk ditanami cabai merah keriting. Sedangkan pada musim hujan penanaman cabai merah keriting cenderung lebih sedikit karena petani akan mengurangi luas lahan untuk menanam cabai merah keriting. Pengurangan luas lahan tersebut akan berpengaruh pada luas panen yang semakin kecil sehingga jumlah produksi cabai merah keriting akan semakin sedikit. Selain itu, pola tanam seperti pemiliha bibit, pengairan, serta pemupukan memiliki pengaruh terhadap kualitas dari hasil produk cabai merah keriting. Pola tanam tersebut masih bergantung dengan modal yang dimiliki petani. Oleh karena itu cuaca, luas panen, serta pola tanam dianggap memiliki pengaruh terhadap hasil produksi yang akan mempengaruhi pasokan untuk memenuhi permintaan dari supplier dan pedagang pasar.
Karena permintaan cabai merah keriting bergantung pada hasil produksi oleh petani, maka pengelola Pasar Lelang Cabai Sleman perlu mengetahui berapa jumlah produksi yang akan didapatkan yang nantinya akan digunakan sebagai informasi kepada supplier serta pedagang pasar. Sehingga, supplier dan pedagang pasar dapat mengestimasikan jumlah cabai merah keriting yang akan dibeli. Oleh karena itu pengelola Pasar Lelang Cabai Sleman perlu melakukan peramalan produksi guna mengetahui tingkat produksi yang didapatkan dengan memperhatikan faktor-faktor yang mempengaruhi produksi. Selain hal tersebut, cabai merah keriting merupakan produk mudah rusak yang memiliki umur pendek. Pengelola Pasar Lelang Cabai Sleman harus memiliki perencanaan produksi yang baik agar dapat mengurangi adanya resiko produk yang terbuang karena kelebihan produksi, atau jika terjadi kekurangan produksi akan mengakibatkan kurangnya penjualan yang berpengaruh terhadap keuntungan yang diperoleh. Sehingga, peramalan produksi ini penting untuk dilakukan sebagai salah satu bentuk perencanaan produksi.
Model perencanaan produksi yang menggunakan peramalan perlu memperhatikan perkembangannya dari waktu ke waktu (Albey et al., 2015). Berdasarkan permasalahan tersebut, penelitian ini dilakukan dengan tujuan untuk melakukan peramalan produksi cabai merah guna mengetahui tingkat produksi yang diperlukan untuk memenuhi permintaan yang ada dengan mempertimbangkan faktor-faktor yang mempengaruhi produksi. Peramalan tersebut dapat dilakukan dengan menggunakan metode Causal Forecasting dengan pendekatan Analisis Regresi. Causal Forecasting merupakan metode yang menemukan korelasi antara permintaan dan faktor-faktor tertentu di lingkungan yang mana sesuai dengan permasalahan yang terjadi di Pasar Lelang Cabai Sleman dalam produksi cabai merah keriting terdapat faktor-faktor yang mempengaruhi jumlah produksi yang dihasilkan. Dengan pendekatan Analisis Regresi akan mendapatkan bentuk hubungan dalam bentuk model regresi, sehingga dapat diketahui berapa jumlah cabai merah keriting yang akan dipanen oleh petani jika faktor-faktor produksi cabai merah keriting yang ada mempengaruhi.
1.2 Rumusan Masalah
Berdasarkan latar belakang diatas, maka rumusan masalah pada penelitian ini yaitu:
1. Apa saja faktor-faktor yang mempengaruhi produksi cabai merah keriting di Pasar Lelang Cabai Sleman?
2. Berapa hasil peramalan produksi cabai merah keriting pada Pasar Lelang Cabai Sleman?
1.3 Tujuan Penelitian
Tujuan penelitian dibuat untuk menjawab rumusan masalah yang ada yaitu:
1. Untuk menganalisis faktor-faktor yang mempengaruhi produksi cabai merah besar pada petani di Pasar Lelang Cabai Sleman.
2. Untuk menghitung peramalan produksi cabai merah guna mengetahui tingkat produksi cabai merah keriting pada Pasar Lelang Sleman.
1.4 Manfaat Penelitian
Berdasarkan tujuan penelitian serta latar belakang dari permasalahan, terdapat beberapa manfaat yang ingin diberikan dari penelitian ini sebagai berikut:
1. Bagi Peneliti
a. Sebagai salah satu sarana dalam menerapkan keilmuan teknik industri yang telah didapatkan selama masa perkuliahan, sehingga dapat lebih memahami dengan cara mengaplikasikannya.
b. Sebagai sarana dalam menambah wawasan sebelum memasuki dunia kerja.
2. Bagi Pasar Lelang Cabai Sleman
a. Dapat membantu pihak pengelola pasar lelang cabai dalam memahami pengaruh faktor-faktor dalam produksi cabai merah besar.
b. Dengan rumus peramalan yang didapatkan diharapkan dapat digunakan oleh pihak pengelola Pasar Lelang Cabai Sleman untuk mengestimasi produksi agar permintaan dapat terpenuhi.
3. Bagi Pihak Lain
Menambah khasanah pengetahuan serta sebagai referensi untuk penelitian selanjutnya.
1.5 Batasan Penelitian
Guna tercapainya hasil penelitian yang terarah fokus kajiannya, serta keterbatasan yang dimiliki oleh peneliti. Maka perlu adanya batasan penelitian. Adapun batasan dalam penelitian ini adalah sebagai berikut:
1. Penelitian dilakukan di Pasar Lelang Cabai Sleman, Pakem.
2. Penelitian ini hanya berfokus pada produk sayuran cabai merah keriting sebagai salah satu produk mudah rusak (perishable product).
3. Data yang digunakan merupakan data produksi cabai merah keriting yang terkumpul selama tahun 2018-2019.
4. Pada penelitian ini faktor-faktor yang diteliti hanya faktor musim dan luas panen.
5. Karena keterbatasan data, maka data luas panen ditentukan dengan perhitungan yang diasumsikan sebagai hasil produksi per m2.
6. Penelitian tidak memperhitungkan faktor harga.
1.6 Sistematika Penulisan
Agar penulisan hasil penelitian ini lebih terstruktur maka penulisan ini dapat disusun dengan susunan sebagai berikut:
BAB 1 PENDAHULUAN
Pada bagian ini berisi kajian singkat mengenai latar belakang permasalahan dilakukannya penelitian. Dituliskan juga kajian perumusan masalah berupa pertanyaan yang jawabannya diperoleh dari hasil penelitian yang dilakukan. Selanjutnya diberikan batasan masalah guna tercapainya hasil penelitian yang lebih terarah focus kajiannya. Dibuat juga kajian singkat tentang tujuan penelitian, manfaat penelitian dan sistematika penulisan
BAB II KAJIAN LITERATUR
Pada bagian ini berisi tentang konsep serta prinsip dasar yang berkaitan dalam pemecahan masalah penelitian serta beberapa hasil dari penelitian-
penelitian yang pernah dilakukan sebelumnya oleh peneliti lain yang berbubungan dengan penelitian yang dilakukan.
BAB III METODE PENELITIAN
Memuat tentang uraian alur atau langkah-langkah yang dilakukan pada saat penelitian. Seperti metode yang digunakan, ala tapa yang digunaka, tata cara penelitian, apa saja data yang dikaji dan juga cara yang digunakan untuk menganalisis hasil dari penelitian.
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
Bagian ini berisikan data-data yang didapatkan dari tempat penelitian yang akan digunakan dalam penelitian. Dilakukan juga pengolahan data dengan menggunakan metode yang ditetapkan di awal penelitian, dimana hasil yang ditampilkan berupa tabel serta grafik yang akan digunakan sebagai acuam dalam penulisan pembahasan pada bab selanjutnya.
BAB V PEMBAHASAN
Bagian ini menampilkan analisis tentang hasil yang didapatkan dalam penelitian, serta kesesuaian hasil dengan tujuan penelitian sehingga dapat menghasilkan rekomendasi.
BAB IV KESIMPULAN DAN SARAN
Berisikan tentang kesimpulan terhadap analisa hasil penelitian dari bab sebelumnya dan rekomendasi serta saran-saran dari peneliti untuk penelitian selanjutnya mengenai hasil yang telah dicapai dan permasalahan yang ditemukan pada saat melakukan penelitian
BAB II
KAJIAN LITERATUR
2.1 Kajian Deduktif
2.1.1 Produk Mudah Rusak (Perishable Product)
Produk mudah rusak (perishable product) merupakan produk yang menjadi rusak dan tidak dapat digunakan setelah jangka waktu tertentu (Prastacos, 1980). Produk perishable memiliki umur simpan yang pendek dan nilainya akan menurun secara bertahap dari waktu ke waktu karena terjadi kerusakan, kegagalan dan penguapan, dan produk ini rentan terhadap pembusukan dan kerusakan selama pengangkutan dan penyimpanan (Deng et al., 2019). Contoh dari produk perishable diantaranya yaitu makanan segar seperti buah dan sayur, produk darah, daging, bahan kimia, bahan komposit serta obat- obatan (Damgaard et al., 2012). Dalam mengelola produk yang mudah rusak (perishable) merupakan hal yang sulit. Jika tidak dikelola dengan baik, stock yang berlebih dapat mengakibatkan hilangnya persediaan karena terjadi kerusakan pada produk, tetapi pada saat kekurangan persediaan dapat mengakibatkan kurangnnya penjualan (Garg et al., 2012).
Gambar 2. 1 Resiko Pengelolaan Persediaan Produk Perishable Sumber: Pandey et al., (2012)
2.1.2 Cabai Merah
Cabai Merah atau Capsiucum Annuum var longum merupakan salah satu komoditas hortikultura yang memiliki banyak manfaat, memiliki nilai ekonomis yang tinggi serta memiliki prospek pasar yang menarik, sehingga banyak dikembangkan oleh petani-petani di Indonesia. Cabai termasuk ke dalam famili terong-terongan (Solanaceae) (hortikultura.litbang.pertanian.go.id). Beberapa jenis cabai yang dijual dipasaran diantaranya cabai merah besar, cabai merah keriting, cabai hijau kecil dan cabai rawit
Cabai besar (Capsicum annuum L) adalah salah satu spesies cabai yang paling banyak dibudidayakan oleh para petani. Cabai besar memiliki buah yang berukuran panjang sekitar 6-10 cm, dengan diameter 0.7-1.3 cm. Di Indonesia cabai besar dibagi menjadi dua kelompok yaitu cabai merah besar dan cabai merah keriting. Perbedaan dari kedua jenis cabai besar tersebut dapat dilihat dari bentuknya, dimana cabai merah besar memiliki permukaan halus dan mengkilat serta diameter yang lebih besar sedangkan cabai merah keriting bentuknya lebih ramping dengan diameter yang cenderung kecil (Nurfalach, 2010).
Cabai besar cocok dibudidayakan di dataran rendah hingga dataran tinggi. Suhu merupakan salah satu faktor yang berpengaruh terhadap pertumbuhan tanaman cabai merah. Suhu yang ideal untuk membudidayakan tanaman cabai besar berkisar 21-28oC pada siang hari dan 13oC-16oC pada malam hari. Penyinaran yang dibutuhkan yaitu penyinaran secara penuh oleh sinar matahari, jika penyinaran tidak didapat secara penuh maka tanaman akan mengalami pertumbuhan yang tidak normal. Tanaman cabai merah keriting tumbuh baik di musim kemarau, namun tetap memerlukan pengairan yang cukup.
Dimana curah hujan yang dapat diterima oleh tanaman cabai merah keriting yaitu berkisar 800-2000 mm/tahun (Nurfalach, 2010).
Selain menjadi komoditas unggulan yang memberikan manfaat secara ekonomi bagi petani, cabai merah memiliki kandungan zat gizi berupa vitamin A, vitamin C, dan vitamin E yang dapat bermanfaat bagi kebutuhan vitamin tubuh. Kandungan yang menjadi karakteristik pada cabai yaitu zat capsaicin yang membuat cabai memiliki rasa pedas.
2.1.3 Peramalan (Forecasting)
Peramalan (Forecasting) adalah tentang memprediksi masa depan seakurat mungkin, mengingat semua informasi yang tersedia, termasuk data historis dan pengetahuan tentang kejadian di masa depan yang mungkin akan memengaruhi perkiraan (Hyndman
& Athanasopoulos, 2018). Peramalan merupakan hal penting yang mencakup banyak bidang termasuk bisnis dan industri, pemerintahan, ekonomi, ilmu lingkungan, kedokteran, ilmu sosial, politik, dan keuangan (Montgomery et al., 2008).
Menurut Setevenson (2018), terdapat dua kegunaan dari peramalan, salah satunya adalah membantu para manajer untuk merencanakan sistem, dan kegunaan yang lainnya adalah membantu mereka dalam merencanakan penggunaan sistem. Dalam perencanaa sistem umumnya melibatkan rencana jangka panjang. Sedangkan perencanaan penggunaan sistem mengacu pada perencanaan jangka pendek dan menengah, yang melibatkan tugas-tugas seperti perencanaan inventaris dan tingkat tenaga kerja, perencanaan pembelian dan produksi, penganggaran dan penjadwalan. Peramalan dapat membantu organisasi untuk merencanakan masa depan dan membuat keputusan mengenai kebijakan yang akan dilakukan (Armstrong, 2002). Menurut Makridakis et al., (1983) Langkah penting dalam memilih metode peramalan yang tepat adalah dengan mempertimbangkan jenis pola data. Terdapat empat jenis pola data sebagai berikut:
1. Pola Horizontal: Pola ini muncul ketika nilai data berfluktuasi di sekitar mean konstan.
2. Pola Musiman: pola musiman muncul ketika rangkaian data dipengaruhi oleh faktor- faktor musiman, seperti kuartal tahunan, bulan, atau hari dalam seminggu.
3. Pola Siklus: pola ini muncul ketika data menunjukkan naik dan turun yang bukan dari periode tetap. Biasanya hal ini disebabkan oleh fluktuasi ekonomi.
4. Pola Trend: pola trend muncul ketika ada kenaikan atau penurunan jangka Panjang dalam data.
Menurut Waters, (2003) metode peramalan yang rumit dan mahal belum tentu memberikan hasil yang baik. sebaliknya metode yang sederhana dapat memberikan hasil yang sangat baik dibandingkan metode yang rumit. Pemilihan metode peramalan yang tepat dapat dilihat berdasakan horizon waktu peramalan yang dibagi menjadi tiga kategori.
1. Peramalana jangka panjang melihat kedepan dalam jangka waktu beberapa tahun.
Peramalan jangka Panjang memberikan indormasi yang cukup untuk merencanakan anggaran dan fasilitas selama beberapa tahun mendatang.
2. Peramalan jangka menengah yaitu perencanaan produksi dengan jangka waktu antara tiga bulan hingga satu tahun.
3. Peramalan jangka pendek mencakup perencanaan produksi dalam jangka pendek yaitu beberapa minggu, peramalanan ini digunakan untuk menggambarkan permintaan untuk suatu produk atau penjadwalan operasi.
Horizon waktu perencanaan mempengaruhi dalam pemilihan metode peramalan, karena ketersediaan dan relevansi data historis, waktu yang tersedia untuk melakukan peramalan, dan biaya yang terlibat.
2.1.4 Langkah-Langkah Peramalan
Beberapa langkah dalam melakukan peramalan secara efektif menurut Chopra & Meindl (2007) sebagai berikut:
1. Memahami Tujuan dari Peramalan.
Setiap peramalan menentukan keputusan yang didasarkan dari hasil peramalan tersebut. Sehingga langkah pertama yang harus dilakukan yaitu mengeindentifikasi keputusan atau tujuan dengan jelas untuk apa dilakukan peramalan.
2. Mengintegrasikan Perencanaan dan Peramalan Permintaan
Perusahaan perlu mengintegrasikan anatara ramalannya dengan semua aktivitas perencanaan di dalam rantai pasok. Pengintegrasian ini untuk menyesuaikan antara penawaran dan permintaan, sehingga pelayanan dapat berjalan dengan baik.
3. Mengetahui dan Mengidentifikasi Segmen Pelanggan
Perusahaan harus mengidentifikasi segmen pelanggan yang dilayani oleh rantai pasokan. Pelanggan dapat dikelompokkan berdasarkan kesamaan dalam persyaratan layanan, volume permintaan, frekuensi pesanan, volatilitas permintaan, musim, dan lain sebagainya. Secara umum, perusahaan dapat menggunakan metode peramalan yang berbeda untuk segmen yang berbeda.
Pemahaman yang jelas tentang segmen pelanggan memfasilitasi pendekatan perkiraan yang akurat dan sederhana
4. Identifikasi Faktor Utama yang Mempengaruhi Peramalan Permintaan.
Perusahaan perlu mengidentifikasi permintaan, penawaran, serta fenomena yang berhubungan dengan produk yang mempengaruhi ramalan permintaan. Pada permintaan, perusahaan perlu memperhatikan apakah permintaan meningkat atau menurun, atau memiliki pola musiman. Pada penawaran, perusahaan perlu mempertimbangkan sumber pasokan yang tersedia untuk menentukan keakuratan ramalan yang diinginkan. Pada sisi produk, perusahaan harus mengetahui jumlah varian produk yang dijual dan apakah varian ini menggantikan atau melengkapai satu sama lain.
5. Menentukan Teknik Peramalan yang Tepat
Dalam memilih teknik peramalan yang tepat, perusahaan harus terlebih dahulu memahami dimensi yang relevan dengan peramalan tersebut. Dimensi ini mencakup area geografis, grup produk, dan grup pelanggan. Perusahaan harus memahami perbedaan permintaan di setiap dimensi dan kemungkinan besar menginginkan prakiraan dan teknik yang berbeda.
6. Menetapkan Ukuran Kinerja dan Kesalahan dari Peramalan.
Perusahaan harus menetapkan ukuran kinerja yang jelas untuk mengevaluasi keakuratan dan ketepatan waktu ramalan. Langkah-langkah ini harus sangat berkorelasi dengan tujuan keputusan bisnis berdasarkan prakiraan ini. Pada akhir musim penjualan, perusahaan harus membandingkan permintaan aktual dengan permintaan yang diperkirakan untuk memperkirakan keakuratan ramalan.
Kemudian rencana untuk mengurangi kesalahan ramalan di masa depan atau menanggapi kesalahan ramalan yang diamati dapat diterapkan.
2.1.5 Metode-Metode Peramalan
Ada begitu banyak cara peramalan yang berbeda, begitu banyak hal yang berbeda untuk diramalkan dan begitu banyak keadaan yang berbeda, sehingga tidak ada satu metode peramalan yang selalu yang terbaik. Sehingga penting untuk memilih metode yang sesuai dengan kebutuhan kita Terdapat dua pendekatan umum untuk peramalan sebagai berikut (Waters, 2003):
Gambar 2. 2 Metode-Metode Peramalan Sumber: Waters, (2003)
2.1.5.1 Metode Kualitatif
Metode kulalitatif adalah penilain subjektif yang didasarkan pada pendapat para ahli.
Metode ini sangat fleksibel dan dapat digunakan dalam berbagai keadaan, tetapi tidak seandal peramalan kuantitatif (Waters, 2003). Metode peramalan kualitatif yang paling banyak digunakan adalah sebagai berikut (Stevenson, 2018):
1. Opini Eksekutif
Metode opini eksekutif ini mengumpulkan pada top management seperti sekelompok manajer dan secara kolektif mengembangkan peramalan. Pendekatan ini sering digunakan sebagai bagian dari perencanaan jangka Panjang dan pengembangan produk baru.
2. Opini Salesforce
Pendekatan ini memeperhatikan staf penjualan atau layanan pelanggan yang dapat menjadi sumber informasi yang baik karena kontak langsung dengan konsumen.
3. Survei Pasar
Pendekatan metode ini meminta masukan dari konsumen, karena pada akhirnya konsumenlah yang menentukan permintaan.
4. Metode Delphi
metode ini adalah metode penilaian yang paling formal dan memilki prosedur yang ditentukan. Metode ini melibatkan pengedaran serangkaian kuesioner di antara individu yang memiliki pengetahuan dan kemampuan untuk berkontribusi. Setiap kuesioner baru dikembangkan dengan menggunakan informasi yang diambil dari kuesioner sebelumnya, sehingga memperluas cakupan informasi yang dapat dijadikan dasar oleh peserta
2.1.5.2 Metode Kuantitatif
Teknik kuantitatif ini didasarkan pada data objektif, dalam buku operation management oleh Stevenson (2018) metode ini terbagi menjadi dua pendekatan yaitu pendekatan time series dan associative method atau causal method. Penjelasan dari kedua metode tersebut yaitu sebagai berikut:
1. Time Series Method
Metode deret waktu adalah metode yang urutan pengamatan berurutan waktu yang diambil secara berkala. Data peramalan berdasarkan teknik ini dibuat dengan asumsi bahwa nilai deret yang akan datang dapat diperkirakan dari nilai masa lampau (Stevenson, 2018)
a. Naive Methods
Pendekatan naif menggunakan satu nilai deret waktu sebelumnya sebagai dasar peramalan. Pendekatan naif dapat digunakan dengan rangkaian stabil, dengan variasi musiman, atau dengan tren
b. Moving Average
Perkiraan rata-rata bergerak menggunakan sejumlah nilai data aktual terbaru dalam menghasilkan perkiraan, dengan mencari rata-ratanya. Dari rata-rata tersebut digunakan sebagai ramalan untuk periode berikutnya.
c. Weighted Moving Average
Rata-rata bergerak tertimbang mirip dengan perkiraan rata-rata bergerak, hanya saja pada pendekatan ini biasanya memberikan bobot lebih pada nilai terbaru dalam deret waktu.
d. Exponential Smoothing
Pemulusan eksponensial adalah metode rata-rata tertimbang yang memberikan penekanan lebih besar melalui penggunaan sebuah konstanta smoothing (penghalus). Konstanta smoothing berkisar dari 0 ke 1.
2. Causal Methods
Metode peramalan kausal mengasumsikan bahwa ramalan permintaan sangat berkorelasi dengan faktor-faktor tertentu di lingkungan. Metode peramalan kausal menemukan korelasi antara permintaan dan faktor lingkungan dan perkiraan penggunaan faktor lingkungan apa yang akan digunakan untuk meramalkan permintaan di masa depan (Chopra & Meindl, 2007). Tantangan peramalan kausal adalah menemukan hubungan antara variabel yang diminati dan variabel lain.
Hubungan ini, yang bisa sangat kompleks, mengambil bentuk model matematika, yang digunakan untuk meramalkan nilai variabel minat di masa mendatang. Model kausal yang paling terkenal adalah model regresi (Reid & Sanders, 2013).
a. Regresi Linear
Dalam regresi linear, variabel yang diramalkan disebut dengan variabel dependen, terkait dengan beberapa variabel lain yang disebut variabel indepnden secara linear. Hubungan antara dua variabel tersebut adalah persamaan garis lurus sebagai berikut:
𝑌 = 𝑎 + 𝑏𝑋 (2.1)
Yang mana:
Y = Nilai dari variable dependen X = Nilai dari variabel independent
a = intercept, dimana garis memotong sumbu y b = gradien garis
Banyak garis lurus bisa ditarik melalui data. Regresi linier memilih parameter a dan b, yang menentukan garis lurus yang meminimalkan jumlah kesalahan kuadrat, atau penyimpangan dari garis. Menghitung besarnya konstanta pada persamaan regresi untuk parameter b:
𝑏 = ∑ 𝑋𝑌 − 𝑛𝑋𝑌̅̅̅̅
∑ 𝑋2− 𝑛𝑋̅2 (2.2)
Mengitung parameter a:
𝑎 = 𝑌̅ − 𝑏𝑋̅ (2.3)
Dimana:
𝑌̅= Rata-rata dari nilai Y 𝑋̅= Rata-rata dari nilai X 𝑛= jumlah data
b. Regresi Berganda
Regresi berganda merupakan perpanjangan dari regresi linier. Namun, tidak seperti dalam regresi linier di mana variabel dependen terkait dengan satu variabel independen, regresi berganda mengembangkan hubungan antara variabel dependen dan beberapa variabel independen. Rumus umum untuk regresi berganda adalah sebagai berikut:
𝑌 = 𝐵0+ 𝐵1𝑋1+ 𝐵2𝑋2+ ⋯ + 𝐵𝑘𝑋𝑘 (2.4) Dimana:
𝑌̅ = Variabel dependen
𝐵0 = Intercept, dimana garis memotong sumbu y
𝐵1… 𝐵𝐾 = Koefisien yang mewakili pengaruh variabel independen terhadap variabel dependen
𝑋1… 𝑋𝐾 = Variabel indepnden
Regresi berganda adalah alat yang handal untuk meramalkan dan harus digunakan ketika banyak faktor mempengaruhi variabel yang sedang diramalkan.
2.2 Kajian Induktif
Kajian induktif merupakan data yang dikumpulkan berdasarkan penelitiaan yang telah dilakukan oleh peneliti-peneliti sebelumnya. Kajian induktif digunakan sebagai salah satu referensi untuk mempermudah peneliti dalam menentukan fokus dan karakteristik pada penelitian yang akan dibuat.
Berdasarkan jurnal-jurnal yang telah dijadikan acuan dalam melakukan penelitian.
Beberapa penelitian mengenai cabai telah dilakukan sebelumnya. Mengenai faktor-faktor yang mempengaruhi produksi cabai, dengan metode Regresi Linear Berganda diperoleh bahwa menurut Pranata & Damayanti (2016) faktor luas lahan, urea, pupuk ZA, pupuk ponska, benih, pestisida, serta tenaga kerja memiliki pengaruh secara simultan terhadap produksi cabai secara signifikan. Hal ini ditunjukkan dengan nilai F-hitung sebesar 63,528 yang signifikan pada taraf 5%. Sedangkan secara parsial hanya pestisda yang tidak memiliki pengaruh terhadap produksi cabai. Sementara dengan metode Regresi Linear Berganda. Andayani (2016) menyatakan bahwa variabel luas lahan, bibit, pupuk, perstisida, dan tenaga kerja memiliki pengaruh secara simultan terhadap produksi cabai.
Namun variabel yang mempengaruhi secara parsial terhadap produksi cabai hanya pupuk, pestisida, dan tenaga kerja.
Terkait permintaan cabai merah, dengan menggunakan regresi linear Miftahuddin et al., (2020) menganalisis faktor-faktor yang mempengaruhi permintaan cabai rawit serta menganalisis elastisitas permintaan cabai rawit. Hasilnya permintaan cabai dipengaruhi secara simultan dipengaruhi oleh harga cabai rawit, harga cabai keriting, pendapatan, jumlah anggota keluarga, serta selera pembeli. Secara parsial pendapatan konsumen, jumlah naggota keluarga, dan selera pelanggan berpengaruh terhadap permintaan cabai.
Elastisitas harga cabai rawit merah bersifat inelastis 0,135 sehingga termasuk kategori barang normal. Elastisitas pendapatan sebesar 0,317. Cabai merah keriting merupakan barang pengganti cabai rawit merah dengan elastisitas 0,122.
Terkait harga cabai dengan menggunakan metode Regresi linear berganda.
Khasanah et al., (2019) melakukan penelitian dengan tujuan mengidentifikasi faktor- faktor apa saja yang mempengaruhi perubahan harga cabai. Hasilnya harga cabai rawit dipengaruhi oleh harga pokok produksi cabai merah, harga tomat, harga cabai rawit, harga cabai 2 bulan sebelumnya, serta waktu perayaan keagamaan. Yang memiliki pengaruh signifikan terhadap harga cabai merah yaitu harga cabai rawit. Harga pokok
produksi cabai, harga tomat, dan harga cabai 2 bulan sebelumnya hanya berpengaruh sebagian dan tidak signifikan. Pemilihan waktu perayaan besar umat Islam, seperti Idul Fitri dan Idul Adha tidak berpengaruh signifikan terhadap harga cabai merah. Namun, acara Natal dan Tahun Baru dikaitkan dengan harga yang lebih tinggi. Sementara terkait harga cabai dengan metode Regresi Linear, Hossen (2015) menyatakan bahwa harga jual mempengaruhi jumlah produksi dari cabai. Dimana jika harga jual naikribuan taka per ton maka produksi atau pasokan cabai Rabi dan cabai Karif rata-rata akan meningkat 537 dan 494 metrik ton.
Dari jurnal-jurnal yang ada sebelumnya diketahui bahwa sudah banyak yang meneliti tentang peramalan. Berbagai macam objek telah diteliti mengenai peramalan. Pada penelitian ini peramalan difokuskan pada produk perishable khusunya produk cabai merah keriting. Dengan poin yang ditekankan pada peramalan produksinya. Dimana dari penelitian-penelitian sebelumnya belum banyak yang meramalkan pada produksi cabai merah keriting. Sehingga dapat menambah referensi untuk penelitian selanjutnya mengenai peramalan produksi cabai merah keriting.
Tabel 2. 1 Penelitian Terdahulu
No. Judul Penulis Tujuan Penelitian Metode Hasil
1. Implementasi Algoritma Regrersi Linear Berganda untuk Memprediksi Produksi Padi di Kabupaten Bantul
Ervan Triyanto, Heri Sismoro, Arif Dwi
Laksito (2019)
Membangun aplikasi untuk memprediksi produksi padi di Kabupaten Bantul dengan Algoritma Regresi Linear Berganda
Algoritma Regresi Linear Berganda, dengan dibantu software MySQL untuk
penyusunan database dan
Hasil dari penelitian diketahui bahwa variabel dependent dari penelitian yaitu hasil panen padi dengan beberapa faktor yang mempengaruhi yaitu Luas panen (X1), Curah hujan (X2), dan Hama (X3) yang menyerang tanaman, dilakukan analisis regresi berganda dengan data historis hasil panen padi dari periode
No. Judul Penulis Tujuan Penelitian Metode Hasil pemrograman
PHP untuk
pembuatan kode program.
2009-2017. Didapatkan model regresi untul peramalan hasil panen padi yaitu Y=8307.5614 + 5.9294 X1 +118.2806 X2 +175.7100 X3. Dari model regresi tersebut dapat disimpulkan bahwa pada konstanta 8307.5614 menyatakan jika tidak ada variabel luas panen, curah hujan, dan hama yang mempengaruhi maka hasil panen padi sebesar 8307.5614. selanjutnya pada variabel luas panen (X1) berpengaruh positif sebesar 5.9294 terhadap hasil panen padi, variabel curah hujan (X2) berpengaruh positif sebesar 118.2806 terhadap hasil panen padi, dan variabel hama berpengaruh positif sebesar 175.7100 terhadap hasil panen padi
No. Judul Penulis Tujuan Penelitian Metode Hasil 2. Faktor-faktor yang
Mempengaruhi Produksi Usahatani Cabai Merah
Keriting di Desa Bulupountu Jaya Kecamatan Sigi Biromaru Kabupaten Sigi
Gd. Wisnu Pranata &
Lien Damayanti (2016)
Mengetahui pengaruh faktor-faktorg produksi terhadap produksi cabai merah keriting.
Regresi Linear Berganda
dengan software SPSS versi 16.00
Faktor-faktor yang mempengaruhi produksi cabai rawit pada penelitian ini yaitu luas lahan (X1), urea (X2), Pupuk ZA (X3), Pupuk Ponska (X4), Benih (X5), Pestisida (X6), dan tenaga kerja (X7). Dari hasil analisis menunjukkan bahwa variabel bebas (X) secara simultan berpengaruh terhadap produksi (variabel terikat, Y) secara signifikan.
Hal ini ditunjukkan dengan nilai F- hitung sebesar 63,528 yang signifikan pada taraf 5%. Dari hasil uji t parsial dperoleh jika variabel X1, X2, X3, X4, X5, dan X7 memiliki pengaruh secara parsial terhadap variabel dependen (Y).
Nilai koefisien determinasi (R2) sebesar 0,969 yang menunjukkan bahwa 99%
variasi produksi cabai merah keriting (Y) dapat dijelaskan oleh variabel
No. Judul Penulis Tujuan Penelitian Metode Hasil
independent (X) sedangkan 1% lainnya dapat dijelaskan variabel lain yang tidak termasuk dalam model. Dengan model regresi LnY = 5,161 + 1,649LnX1 + 0,448LnX2 + 0,083LnX3 + 0,105LnX4 + 0,103LnX5 + 0,67LnX6 + 0,98LnX7.
Dimana Koefisien input produksi pada faktor produksi luas lahan sebesar 1,649 artinya apabila ada penambahan luas lahan sebesar 1% maka produksi cabai meningkat sebesar 1,649 %. Koefisien variabel benih sebesar 0,448 artinya apabila ada penambahan benih sebesar 1% maka produksi cabai merah kriting meningkat sebesar 0,448 %. Koefisien variabel pupuk sebesar 0,083 artinya setiap penambahan pupuk urea sebesar 1% maka akan meningkatkan produksi cabai sebesar 0,083 %. Koefisien
No. Judul Penulis Tujuan Penelitian Metode Hasil
variabel pupuk sebesar 0,105 artinya setiap penambahan pupuk ZA sebesar 1% maka akan menurunkan produksi cabai sebesar 0,105. Koefisien variabel pupuk sebesar 0,103 artinya setiap penambahan 17 pupuk ponska sebesar 1% maka akan meningkatkan produksi cabai sebesar 0,103 %. koefisien regresi variabel pestisida 0,067 artinya setiap penambahan pestisida sebesar 1% maka akan mempetahankan produksi cabai sebesar 0,067 %. Koefisien variabel tenaga kerja sebesar 0,098 artinya setiap penambahan 1 % tenaga kerja maka produksi cabai merah kriting akan meningkat sebesar 0,098 % pada luas lahan yang tidak bertambah.
No. Judul Penulis Tujuan Penelitian Metode Hasil 3. Faktor-faktor yang
Mempengaruhi Produksi Cabai Merah
Sri Ayu Andayani (2016)
Mengetahui pengaruh dan penggunaan faktor- faktor produksi terhadap produksi cabai merah.
Cobb-Douglas dengan
menggunakan software SPSS versi 17
Pada penelitian ini faktor-faktor yang mempengaruhi produksi cabai merah yaitu luas lahan (X1), bibit (X2), tenaga kerja (X3), pupuk (X4) dan pestisida (X5). Dari hasil uji F diperoleh nila sig sebesar 0.000<0.005 yang dapat diartikan jika variabel independent (X) secara simultan berpengaruh terhadap produksi cabai merah (Y). Dengan model persamaan yang diperoleh yaitu Y= -3.736 – 0,295 X1 – 0,293 X2 – 0,195 X3 +1.388 X4 – 0,275 X5. Dari hasil uji t, terdapat 3 variabel independent yang memiliki pengaruh parsial terhadap variabel dependen dengan nila Sig < 0.05 yaitu variabel pupuk (X3), pestisida (X4), dan tenaga kerja (X5). Sedangkan dua variabel
No. Judul Penulis Tujuan Penelitian Metode Hasil
Lahan (X1) dan bibit (X2) memiliki nilai sig > 0.05
4. Analisis Faktor-Faktor yang mempengaruhi Produksi Usahatani Padi
Sawah di Kecamatan Batang Asai Kabupaten
Sarolangun.
Muhajirin, Yusma Damayanti, dan Elwamendri (2014)
Mengetahui gambaran secara umum keadaan usahatani padi sawah di Kecamatan Batang Asai Kabupaten Sarolangun dan untuk mengetahui pengaruh faktor – faktor produksi terhadap prosuksi usahatani padi sawah dalam sekali musim tanam
Regresi Linear Berganda
Produksi padi dipengaruhi oleh beberapa variabel diantaranya luas lahan (X1), benih (X2), curahan tenaga kerja (X3), Pupuk sp 36 (X4), Pupuk kcL (X5), Obat Curater (X6). Dari uji regresi linear didapatkan model regresi untuk produksi padi yaitu Y=558.764 + 803.856 X1 + 97.062 X2 - -165 X3 + 2.773 X4 + 55.317 X5 +203.315 X6 + e. Dilakukan uji F untuk melihat pengaruh variabel independent (X) secara keseluruhan terhadap variabel dependent (Y), didapatkan hasil Fhitung (1.622) < Ftabel
(2.34) pada taraf kepercayaan 95 % Maka dapat ditarik kesimpulan terima H1 tolak H0 bahwa secara bersama-sama variabel independent (X) mempunyai
No. Judul Penulis Tujuan Penelitian Metode Hasil
pengaruh nyata terhadap peningkatan produksi Padi.
5. Analisis Permintaan Cabai Rawit Merah (Capsicum frutescens) di
Kabupaten Semarang
Lea Miftahuddin, Titik Ekowati, &
Bambang Mulyatno Setiawan (2020)
Menganalisis faktor-
faktor yang
mempengaruhi
permintan cabai rawit serta menganalisis elastisitas permintaan cabai rawit
Regresi Linear Berganda
Faktor-faktor yang mempengaruhi permintaan cabai rawit pada penelitian ini yaitu harga cabai rawit (X1), harga cabai merah keriting (X2), Pendapatan (X3), jumlah anggota keluarga (X4), serta Selera yang didefiniskan dengan dummy (X5). Secara simultan variabel X1, X2, X3, X4, X5 memiliki dampak relevan terhadap permintaan cabai rawit, dengan nilai sig < 0.05. Model regresi yang terbentuk yaitu Y= -3.163 + 1.387E-6X1 + 1.396E-6X2 + 9.566E- 8X3 + 0.167X4 + 0.889X5. Elastisitas harga cabai rawit merah bersifat inelastis 0,135 sehingga termasuk kategori barang normal. Elastisitas pendapatan sebesar 0,317. Cabai merah keriting merupakan
No. Judul Penulis Tujuan Penelitian Metode Hasil
barang pengganti cabai rawit merah dengan elastisitas 0,122.
6. Multiple linear regression to forecast
balance of trade
Sarimah Omar Gan &
Sabri Ahmad (2011)
Menganalisis kekuatan dari perdagangan di Sabah, Malaysia
Regresi Linear Berganda
dengan menggunakan software SPSS versi 17
Neraca perdagangan akan menjadi variabel kriteria. Sedangkan sebelas variabel prediktor adalah ekspor biji kakao, ekspor minyak bumi, ekspor minyak sawit, ekspor kayu lapis polos, ekspor kayu gergajian, impor pupuk, manufaktur, impor mobil, completely built-up., impor produk minyak bumi, impor bit dan gula tebu rafinasi, impor beras, dan impor tabung, pipa dan fitting dari besi atau baja. Data yang digunakan merupakan data bulanan perdagangan luar negeri dari tahun 2003 sampai 2009.
Pada penelitian ini dikembangkan lima model regresi, dari hasil tabel ANOVA dipilih model 5 sebagai model regresi terbaik yaitu Y=−164.67+0.001𝑥+
No. Judul Penulis Tujuan Penelitian Metode Hasil
0.001𝑥2−0.001𝑥3−0.003𝑥4+0.002𝑥5, dengan lima prediktor penting yaitu ekspor minyak sawit, ekspor minyak bumi, impor produk minyak bumi, impor mobil, completely built-up dan ekspor kayu lapis polos sama pentingnya dalam memprediksi neraca perdagangan.
7. Forecasting gold prices using multiple linear
regression method
Z. Ismail, A. Yahya,
& A. Shabri (2009)
Mengembangkan model peramalan untuk memprediksi harga emas berdasarkan faktor ekonomi.
Regresi Linear Berganda
dengan menggunakan software SPSS
dan juga
perhitungan
MSE (Mean
Square Eror)
variabel dependen (Y) yaitu harga emas dengan beberapa faktor-faktor yang mempengaruhi sebagai variabel independe (X) yaitu Commodity Research Bureau future index (CRB);
Nilai Tukar Mata Uang Asing USD / Euro (EUROUSD); Tingkat inflasi (INF); Uang Beredar (M1); Bursa Efek New York (NYSE); Standar dan Buruk 500 (SPX); Treasury Bill (T-BILL) dan indeks Dolar AS (USDX). Dua model dipertimbangkan pada penelitian ini,
No. Judul Penulis Tujuan Penelitian Metode Hasil
didapatkan bahwa pada model pertama dengan mempertimbangkan semua variabel independent dan model kedua hanya mempertimbangkan 4 variabel independent berikut CRB (X1), EUROUSD (X2), INF (X3) dan M1 (X4).
Setelah dilakukan pengujian meliputi uji t dan uji F, hasil yang didapatkan yaitu model kedua menunjukkan siginifikansi secara statistic. Selain itu dalam hal prediksi ke akurasian model, model kedua memiliki tingkat akurasi prediksi yang tinggi. Sehingga dari penelitian tersebut model yang digunakan untuk peramalan harga emas yaitu Y= - 258.528+ 0.664X1 + 82.2664X2 – 7.900X3 + 0.307X4
No. Judul Penulis Tujuan Penelitian Metode Hasil 8. Forecasting stock market
using multiple linear regression
Yeo Mon Khaing, Myint Myint Yee &
Ei Ei Aung (2019)
Mengetahui pengaruh tingkat suku bunga dan tingkat pengangguran terhadap harga indeks saham.
Regresi Linear Berganda
dengan menggunakan software SPSS sebagai tools untuk
menganalisis data
peneliti memprediksi harga indeks saham (Y) ekonomi fiktif dengan menggunakan dua variabel independen (X) yaitu tingkat bunga (X1) dan tingkat lapangan kerja (X2). Software SPSS digunakan peneliti untuk membangun model regresi. Dari uji F model regresi memiliki nilai siginifikansi sebesar 0.000 yang menunjukkan bahwa kedua variabel indepneden memiliki kekuatan penjelas melebihi apa yang diharapkan, sedangkan dari uji t kedua variabel independen signifikan secara statistik pada tingkat 0.05. Sehingga model regresi yang didapat yaitu Y= 1798.404 + 345.540 X1 -250.147 X2. Dengan kata lain, untuk setiap unit kenaikan Suku Bunga, Harga Indeks Saham mengalami kenaikan sebesar 345.540 unit. Untuk
No. Judul Penulis Tujuan Penelitian Metode Hasil
setiap unit kenaikan Tingkat Pengangguran, Harga Indeks Saham mengalami penurunan sebesar 250.147 unit.
9. Forecasting generation model of municipal solid
waste using multiple linear regression
J. A. Araiza-Aguilar, M. N. Rojas-Valencia
& R.A. Aguilar-Vera (2020)
Mengembangkan model peramalan laju perkembangan sampah kota.
Regresi Linear Berganda
dengan menggunakan software
MINITAB versi 16 sebagai alat analisis data.
Dengan menggunakan data statistik tahun 2010-2015, peneliti mempertimbangan variabel sosial dan demografi. Terdapat 9 faktor yang mempengaruhi laju perkembangan sampah kota dari kedua variabel.
Hasilnya didapatkan dua model regresi yang memiliki signifikasi statistik, dengan variabel terpenting yang mepengaruhi yaitu jumlah penduduk, migrasi dan kepadatan penduduk. Model dengan kesederhanaan tertinggi menghasilkan koefisien yang disesuaikan sebesar 0,975, persentase kesalahan absolut rata-rata 7,70, deviasi
No. Judul Penulis Tujuan Penelitian Metode Hasil
absolut rata-rata 0,16 dan kesalahan root square rata-rata 0,19, menunjukkan pengaruh yang tinggi terhadap fenomena yang dipelajari dan kapasitas prediksi yang baik
10. Demand forecasting in pharmaceutical supply chains: A case study
Galina Merkuryeva, Aija Valberga, &
Alexander Smirnov (2018)
Peramalan permintaan produk obat-obatan
Membandingkan beberapa metode peramalan yaitu Simple moving average, Regresi Linear
Berganda, &
Regresi Simbolik.
Dengan
beberapa alat analisis data yaitu software MS Excel built-
Peramalan permintaan dilakukan untuk produk farmasi ACT0002UZ01 dengan menggunakan data historis penjualan mingguan sebanyak 41 data. Peramalan dilakukan dengan tiga skenario berdasarkan metode yang sebelumnya digunakan. Pada skenario untuk metode regresi faktor-faktor yang mempengaruhi permintaan yaitu harga distributor (X1), harga jual produk yang didiskon (X2) dan jumlah penjualan dalam seminggu (X3). Dengan menggunakan excel, model regresi dibangun dengan mempehatikan hasil
No. Judul Penulis Tujuan Penelitian Metode Hasil in tools dan
software HeuristicLab
dari ANOVA. Model regresi yang didapat yaitu Y= 15876 – 0.752 X2 + 43.128 X3. Untuk setiap skenario, keluaran peramalan dan kesalahan prakiraan dianalisis dan kelayakan aplikasi serta implikasi disediakan. Nilai eror dengan perhitungan MAD terkecil yaitu skenario dengan metode regresi simbolik dengan pemrograman genetik 11. A case study on
determination of house selling price model using
multiple regression
H. J. Zainodin & G.
Khuneswari (2009)
Memilih model terbaik dalam menentukan harga jual rumah
Regresi Linear Berganda
menggunakan software SPSS
Variabel dependen dari penelitian ini yaitu harga jual rumah (Y) dengan beberapa faktor yang mempengaruhi sebagai variabel independen yaitu luas lantai (X1), jumlah kamar (X2), usia rumah (X3), jumlah kamar tidur (X4), dan jumlah kamar mandi (X5). Model regresi berganda dilibatkan hingga interaksi orde empat dan ada 80 model yang mungkin dipertimbangkan.
No. Judul Penulis Tujuan Penelitian Metode Hasil
Hasilnya dengan dibantu software SPSS, diperoleh satu model terbaik dengan nilai p-value < 0.05 yaitu Y = 101.891 – 26.829X2 – 2.615X4 + 0.41X12 – 0.017X15 +3.128X45 - 0.009X123 + 0.028X135 - 0.001X145 + 0.155X234 - 0.558X. Harga jual rumah akan turun 26.829 kali lipat jika jumlah kamar (X2) bertambah 1 unit. Untuk variabel X4 harga jual rumah turun 2.615 kali lipat saat umur rumah (X4) bertambah 1 unit.
Ketika pengaruh interaksi antara kaki persegi (X1) dan X2 meningkat 1 unit, maka harga jual rumah meningkat 0,41 kali lipat. Konstanta tersebut menunjukkan bahwa harga jual rumah awal diperkirakan sebesar 101.891
No. Judul Penulis Tujuan Penelitian Metode Hasil 12. Predicting construction
cost using multiple regression techniques
David J. Lowe, Margaret W. Emsley,
& Anthony Harding (2006)
Mengembangkan model
regresi untuk
memprediksi biaya kontruksi bangunan.
Regresi Linear Berganda
Peneliti menentukan biaya kontruksi sebagai variabel dependen. Terdapt 42 variabel independen potensial. Hasilnya dari 41 variabel independe potensial, terdapat lima variabel muncul di masing- masing dari enam model yaitu GIFA luas lantai internal bruto, fungsi, durasi, instalasi mekanis, dan tiang pancang, menunjukkan bahwa mereka adalah penggerak biaya linier utama dalam data.
Model regresi terbaik adalah log of cost backward model yang memberikan R2 sebesar 0.661 dan mean absolut persentase error MAPE sebesar 19.3%;
Hasil ini lebih baik dibandingkan dengan penelitian sebelumnya yang menunjukkan bahwa metode tradisional estimasi biaya memiliki nilai MAPE biasanya di urutan 25%
No. Judul Penulis Tujuan Penelitian Metode Hasil 13. Trend Analysis of Red
Chili Price-Formation Models
Siti Mir’atul Khasanah, Mochammad Maksum, Endy Suwondo (2019)
Mengidentifikasi
faktor-faktor yang mempengaruhi
perubahan harga cabai.
Regresi Linear Berganda
dengan menggunakan software SPSS sebagai alat analisis data.
Beberapa faktor yang mempengaruhi harga cabai merah yaitu produksi cabai merah, harga cabai merah, harga tomat, harga cabai rawit, harga cabai merah 2 bulan sebelumnya, dan hari besar keagamaan. Dari hasil pengujian faktor yang berpengaruh signifikan terhadap harga cabai merah adalah harga cabai rawit. Harga pokok produksi cabai, harga tomat, dan harga cabai 2 bulan sebelumnya hanya berpengaruh sebagian dan tidak signifikan. Pemilihan waktu perayaan besar umat Islam, seperti Idul Fitri dan Idul Adha tidak berpengaruh signifikan terhadap harga cabai merah.
Namun, acara Natal dan Tahun Baru dikaitkan dengan harga yang lebih tinggi.
No. Judul Penulis Tujuan Penelitian Metode Hasil 14. A Stastisticak Analysis on
Production of Chili and Its’ Prospect in
Bangladesh
Sayed Mohibul Hosen (2015)
Mengetahui Praktik budidaya cabai di Bangladesh serta menidentifikasi model
terbaik untuk
peramalan.
Analisis Regresi Linear
Penelitian ini mempertimbangkan data deret waktu tahunan untuk periode 2001- 02 hingga 2010-11 dan lebih dari tujuh divisi di Bangladesh. Variabel dependen produksi cabai dengan variabel independen harga cabai. Koefisien determinasi 2 R dari persamaan tersebut adalah 0,795 yang menunjukkan bahwa 80% dari total variasi variabel terikat telah dijelaskan oleh variabel bebas.
Dapat dikatakan bahwa goodness of fit model suplai rata-rata baik. Teori ekonomi dasar adalah bahwa ketika harga naik, penawaran yang sesuai juga meningkat. Hipotesis ekonomi lainnya adalah bahwa ketika produksi meningkat, pasokan yang sesuai juga meningkat. Hasil ini juga menunjukkan bahwa jika seluruh harga jual naik ribuan
No. Judul Penulis Tujuan Penelitian Metode Hasil
taka per ton maka produksi / pasokan cabai Rabi dan cabai Karif rata-rata akan meningkat masing-masing sebesar 537 dan 494 metrik ton.
BAB III
METODE PENELITIAN
3.1 Objek Penelitian
Objek pada penelitian ini adalah tingkat produksi cabai merah keriting yang dilihat berdasarkan persediaan cabai pada Pasar lelang cabai yang berada di Kecamatan Pakem, Kabupaten Sleman, Daerah Istimewa Yogyakarta. Data persediaan produk cabai yang digunakan yaitu pada tahun 2018-2019
3.2 Pengumpulan Data
Guna menunjang penelitian, dibutuhkan beberapa data untuk memecahkan masalah dan menemukan solusi bagi permasalahan. Pengumpulan data yang dilakukan pada penelitian ini yaitu dengan cara wawancara, pengumpulan data historis, dan referensi jurnal.
1. Wawancara
Wawancara merupakan langkah awal dalam melakukan penelitian ini.
Wawancara dilakukan kepada pengelola pasar lelang. Wawancara pertama dilakukan untuk mengetahui keadaan dari pasar lelang serta mengetahui permasalah yang dihadapi, bagaimana alur pendistribusian produk cabai merah serta bagaimana pengelola memenuhi permintaan dari konsumennya. Wawancara kedua dilakukan untuk mengetahui faktor-faktor apa saja yang dapat mempengaruhi produksi dari cabai, serta dilakukan brainstrorming mengenai faktor-faktor yang paling mempengaruhi dari faktor-faktor yang telah ditentukan yang nanti akan digunakan pada penelitian. Wawancara ketiga dilakukan setelah dilakukan pengolahan data, yaitu untuk memvalidasi hasil dari pengolahan data pada pengelola pasar lelang.
2. Referensi Jurnal
